Introduzione alla teoria dei giochi non cooperativi: algoritmi ed applicazioni

Mauro Passacantando

Inglese

Il corso si propone di fornire agli studenti una solida conoscenza della teoria e degli algoritmi relativi alla soluzione di problemi di equilibrio nel contesto della teoria dei giochi non cooperativi. Programma:

  • Introduzione ai giochi non cooperativi: forma normale, strategie dominate, miglior risposta, equilibrio di Nash (NE).
  • Giochi finiti: strategie miste, esistenza di NE, teorema min-max, algoritmo di Lemke-Howson.
  • Giochi convessi: esistenza di NE, algoritmi basati sulla miglior risposta o su funzioni di merito, giochi potenziali. Applicazioni ai network games.
  • Giochi generalizzati: esistenza di NE, riformulazioni di NE, algoritmi risolutivi. Applicazioni a problemi di fornitura di servizi in sistemi di cloud computing.
  • Giochi bi-livello: definizioni di equilibrio e relative formulazioni. Applicazioni a problemi di fornitura di infrastrutture e servizi nelle reti 5G.
  • Laboratorio: implementazione di alcuni algoritmi illustrati durante il corso.

8 ore (1 CFU) di lezione + 12 ore (1 CFU) di laboratorio

Algorithmic Non-cooperative Game Theory

Mauro Passacantando

English

The course aims to provide students with a solid understanding of the theory and algorithms related to solving equilibrium problems in the context of noncooperative game theory.
Program:

  • Introduction to noncooperative games: normal form, dominated strategies, best response, Nash equilibrium (NE).
  • Finite games: mixed strategies, existence of NE, min-max theorem, Lemke-Howson algorithm.
  • Convex games: existence of NE, algorithms based on best response or merit functions, potential games. Applications to network games.
  • Generalized games: existence of NE, reformulations of NE, algorithms. Applications to service provisioning problems in cloud computing systems.
  • Bilevel games: equilibrium definitions and related formulations. Applications to infrastructure and service provisioning problems in 5G networks.
  • Lab: implementation (with Python/AMPL) of some algorithms illustrated during the course.

8 hours (1 CFU) lectures + 12 hours (1 CFU) laboratory

January 2025

Staff

    Teacher

  • Mauro Passacantando
    Mauro Passacantando

Enrolment methods

Manual enrolments
Self enrolment (Student)